Anthropicは2026年10月7日、小型・高速モデルの最新版「Claude Haiku 5.5」を発表しました。APIのモデルIDはclaude-haiku-5-5で、Claude APIだけでなく、Amazon Bedrock、Google Cloud、Microsoft Foundry、Claude Platform on AWSでも利用できます。
今回の更新で注目したいのは、単にHaiku 4.5より性能が上がったことではありません。100万トークンのコンテキスト、最大12万8,000トークンの出力、処理内容に応じて考える量を変えるAdaptive Thinkingに対応しながら、10万トークンまでの入力は100万トークン当たり0.10米ドル、出力は0.50米ドルに設定されています。短い定型処理を大量に回す用途では、上位モデルをすべての工程へ使うより、コストと待ち時間を抑えやすい選択肢です。
一方、Haiku 4.5からモデル名だけを差し替えれば安全に移行できるとは限りません。トークンの数え方、思考設定、サンプリング用パラメーター、assistant prefill、Computer Useの指定などに互換性上の注意があります。既存コードへそのまま適用すると、HTTP 400エラーや想定外のコスト増加につながる可能性があります。
情報は2026年10月8日時点のAnthropic公式発表とClaude Platform公式ドキュメントに基づきます。料金や提供条件は変更される可能性があるため、実際の導入時には公式ページも確認してください。
Claude Haiku 5.5を先に整理
Claude Haiku 5.5は、分類、抽出、要約、ルーティング、データベース照会、サブエージェントなど、回数が多く応答速度も求められる処理を主な対象としたモデルです。Anthropicは「これまでで最も安く、速く、高性能な小型モデル」と位置付けています。
| 項目 | Claude Haiku 5.5 |
|---|---|
| 発表日 | 2026年10月7日 |
| モデルID | claude-haiku-5-5 |
| コンテキスト | 100万トークン |
| 最大出力 | 12万8,000トークン |
| 入力 | テキスト・画像 |
| 出力 | テキスト |
| 思考機能 | Adaptive Thinking、effort設定に対応 |
| 標準のeffort | medium |
| 主な用途 | 分類、抽出、ルーティング、要約、検索補助、サブエージェント |
| 提供先 | Claude API、AWS、Google Cloud、Microsoft Foundryなど |
「小型モデル」という言葉から、短い質問にしか使えない印象を持つかもしれません。しかし、コンテキストは100万トークンあり、長い資料や大きなコードベースを入力できる仕様です。ただし、長文を入力できることと、長文を毎回安く処理できることは同じではありません。後述するように、10万トークンを境に単価が変わる点が重要です。
料金は10万トークンを境に変わる
Claude Haiku 5.5の料金は、プロンプトが10万トークン以内か、それを超えるかで分かれます。以下は100万トークン当たりの公式価格です。
| 課金項目 | 10万トークンまでのプロンプト | 10万トークン超のプロンプト |
|---|---|---|
| 入力 | 0.10米ドル | 0.50米ドル |
| 出力 | 0.50米ドル | 2.50米ドル |
| 5分キャッシュ書き込み | 0.125米ドル | 0.625米ドル |
| 1時間キャッシュ書き込み | 0.20米ドル | 1.00米ドル |
| キャッシュ読み取り | 0.01米ドル | 0.05米ドル |
10万トークンまでなら、Haiku 4.5の入力1.00米ドル、出力5.00米ドルに対して、表面上の単価は90％低くなります。10万トークンを超えた場合もHaiku 4.5より低いものの、短いプロンプト向け単価の5倍です。100万トークンのコンテキストを持つからといって、毎回すべての資料を詰め込む設計が経済的とは限りません。
Anthropicは、以前のHaikuで約90％のリクエストが10万トークン以内だったことや、新しいトークナイザーによるトークン数の変化も含めると、平均的な実行コストはHaiku 4.5より約75％下がると説明しています。実務では「単価が90％下がった」とだけ見積もらず、自社の実データで入力長と出力長を測る必要があります。
また、Message Batches APIでは入力と出力が50％割引になります。即時応答が不要な夜間バッチ、ログの分類、問い合わせ履歴の集計などでは検討しやすい仕組みです。一方、リアルタイムのチャットや画面操作ではバッチ処理に置き換えられないため、処理の性質に応じて分けるのが現実的です。
Haiku 5.5で何が変わったのか
小型モデルでもAdaptive Thinkingを利用できる
Haiku 5.5は、Haiku系で初めて調整可能なeffort設定に対応しました。単純な分類や短いツール呼び出しではlow、多少の判断が必要ならmediumなど、処理ごとに考える量を調整できます。標準設定はmediumです。
ここで注意したいのは、従来の「思考トークン数を固定する」設定とは考え方が異なることです。Haiku 4.5でbudget_tokensを指定していた場合、その設定をそのまま送るとエラーになります。コスト管理も「常に同じ思考量」ではなく、effort別の実測値で見直す必要があります。
100万トークンのコンテキストと最大12万8,000トークン出力
長い仕様書、複数の議事録、コード、ログを一度に扱いやすくなりました。ただし、長い入力は正答率やコストを自動的に改善するものではありません。検索やRAGで関連部分を絞り、必要な資料だけを渡した方が、結果を検証しやすい場合もあります。
特に機密資料を扱う場合、入力可能な量が増えたことを理由にアクセス権の異なる文書をまとめて渡すのは避けたいところです。検索元の権限を引き継ぐ、ログに入力内容を残しすぎない、利用者ごとに取得範囲を分けるといった設計は、モデル性能とは別に必要です。
Computer UseとBrowser Useの候補になった
AnthropicはPythonとTypeScriptのSDKで、Computer UseとBrowser Use向けクラスをベータ提供しています。Haiku 5.5は速度と価格の組み合わせから、画面操作やWeb操作のように何度も判断を繰り返す用途と相性がよいと説明されています。
ただし、業務システムの操作を任せる場合は、速度だけで決めない方が安全です。削除、送信、購入、権限変更などの操作前には人の承認を入れ、実行できるサイトや操作を絞り、監査ログを残す必要があります。安価なモデルほど大量実行しやすいため、1回当たりのリスクが小さくても総量が増える点を考慮したいところです。
SE実務ではどこに使いやすいか
問い合わせやログの一次分類
障害チケットを「ネットワーク」「アプリ」「権限」「データ不整合」などへ分類し、緊急度や担当候補を付ける処理は、小型モデルの典型的な用途です。Haiku 5.5だけで最終判断を確定させるのではなく、分類結果と根拠を出力させ、確信度が低いものを人や上位モデルへ回す構成にすると運用しやすくなります。
長い資料から必要項目を抽出する
契約書、要件定義書、議事録、仕様書から、日付、担当、決定事項、未決事項などを定型形式で取り出す用途も考えられます。ここでは自由文の美しさより、項目漏れと形式の安定性が重要です。JSON Schemaやツール入力の形式を決め、必須項目が欠けたときは再試行ではなく人へ回す仕組みを用意すると、後続処理へつなげやすくなります。
上位モデルのサブエージェント
複雑な設計判断やコード変更はSonnet 5.5やOpus 5.5へ任せつつ、ファイル探索、要約、候補抽出、テスト結果の整理などをHaiku 5.5へ分担させる方法です。すべてを上位モデルで処理する構成と比べて、待ち時間とコストを抑えられる可能性があります。
ただし、分担を増やすと、呼び出し回数、状態管理、失敗時の再開、結果の統合が複雑になります。モデル単価が下がっても、オーケストレーションの実装・監視コストが増えれば、システム全体では安くならないことがあります。まずは処理時間とAPI費用の大きい1工程だけを置き換え、効果を測る方が安全です。
リアルタイムの顧客対応補助
応答速度が求められるFAQ検索、オペレーター向け回答候補、会話内容の短い要約にも向きます。ただし、顧客へ直接返す回答では、誤案内の影響を考える必要があります。返金、契約、医療、金融、セキュリティのように影響が大きい内容は、承認やルールベースのチェックを挟む設計が必要です。
Haiku 4.5からの移行で注意したい破壊的変更
今回の移行では、モデルIDの変更以外にも確認項目があります。既存のAPIクライアントへそのまま差し替える前に、少なくとも次の点をテストしてください。
| 確認項目 | Haiku 5.5での注意 |
|---|---|
| モデルID | Claude APIではclaude-haiku-5-5を使用 |
| トークン計数 | 同じ文章でもHaiku 4.5より約30％多く数えられる場合がある |
| 思考設定 | budget_tokens方式ではなくAdaptive Thinkingを使用 |
| レスポンス解析 | 先頭ブロックを回答と決めつけず、typeで判定 |
| サンプリング | temperature、top_p、top_kを原則省く |
| assistant prefill | 最後をassistant発言にして続きを生成させる方式は利用できない |
| Computer Use | 旧ツール指定から新しいtoolsetへ変更が必要な場合がある |
| 拒否処理 | stop_reason: "refusal"を処理する |
同じ文章でもトークン数が増える
Haiku 5.5は新しいトークナイザーを使い、Haiku 4.5と比べて同じ文章が約30％多いトークンとして数えられると公式ガイドに記載されています。単価が下がっていても、既存のトークン数を流用した見積もりは正確ではありません。max_tokensも、以前と同じ値では途中で出力が切れる可能性があります。
サンプリングパラメーターがエラー要因になる
従来コードでtemperature、top_p、top_kを固定している場合は注意が必要です。Haiku 5.5では非標準値がHTTP 400エラーになる条件があります。振る舞いを調整したい場合は、まず不要なパラメーターを外し、プロンプトとeffort設定で調整するのが公式ガイドに沿った進め方です。
レスポンスの先頭が本文とは限らない
Adaptive Thinkingが有効なため、コンテンツ配列の先頭に思考ブロックが入る可能性があります。「最初のブロックのテキストを回答として保存する」実装は見直しが必要です。ブロックのtypeを確認し、最終回答、ツール呼び出し、思考などを区別して処理します。
移行は評価データを固定して行う
モデルを変えると、分類ラベル、JSONの形、ツール選択、拒否の出方が変わる可能性があります。本番ログから個人情報や機密情報を除いた評価セットを作り、正解率、誤検知、未回答、遅延、1件当たりの費用をHaiku 4.5と比較すると判断しやすくなります。
メリットとデメリット
メリット
- 短い大量処理ではAPIコストを抑えやすい
- Anthropicの現行モデルで標準速度が最速とされる
- 100万トークンの長いコンテキストを利用できる
- Adaptive Thinkingとeffortで速度と判断力を調整できる
- 複数クラウドで提供され、既存の調達先に合わせやすい
- 要約、抽出、分類、サブエージェントなど役割を切り出しやすい
デメリットと限界
- 複雑なエージェント型コーディングではSonnet 5.5やOpus 5.5が適する場合がある
- 10万トークンを超えるプロンプトは単価が上がる
- Haiku 4.5からの移行に互換性確認が必要
- 同じ文章でもトークン数が増えるため、旧見積もりを流用できない
- ベンチマークの高さが自社データでの正確性を保証するわけではない
- 大量実行では小さな誤りや無駄な再試行も積み上がる
公式ベンチマークではHaiku 4.5から大きく改善していますが、評価条件と実務条件は一致しません。特に日本語の社内用語、独自の分類体系、古い文書、OCR結果、壊れたJSONなどは、自社データで確認する必要があります。
向いている人・向いていない人
向いている人
APIで多数の短い処理を実行している開発者、FAQやチケット分類の待ち時間を短くしたいチーム、上位モデルの周辺作業を小型モデルへ分担したい人に向いています。長文入力を扱いつつ、最終的な判断は人や上位モデルが行う設計にも組み込みやすいでしょう。
向いていない人
最高難度の設計判断や複雑なコード変更を1モデルだけに任せたい場合、モデル移行テストの工数を取れない場合、APIを使わずClaudeのチャット画面だけを利用している場合は、今回のAPI仕様を急いで追う必要性は高くありません。
また、「安いから既存処理をすべて置き換える」という進め方もおすすめしにくいです。誤りの検出と再処理に人手がかかる業務では、単価より品質の方が総コストへ大きく影響します。
導入するなら小さな1工程から試す
最初の検証対象は、正解を判定しやすく、失敗しても影響が限定される工程が適しています。たとえば過去の問い合わせ100件をカテゴリ分けし、人の正解ラベルと比較する方法です。
- 現在の処理件数、費用、平均待ち時間、誤り率を記録する
- Haiku 5.5で同じ評価データを処理する
- effortを変えて品質、遅延、トークン数を比較する
- 確信度が低い結果を人または上位モデルへ回す条件を決める
- エラー、拒否、JSON不正、タイムアウト時の処理を確認する
- 一部の本番トラフィックだけで段階的に試す
見るべき指標は、100万トークン当たりの単価だけではありません。1件当たりの最終費用、成功した処理当たりの費用、再試行率、人の修正時間まで含めると、導入効果を判断しやすくなります。
まとめ
Claude Haiku 5.5は、低価格、高速、100万トークンのコンテキスト、Adaptive Thinkingを組み合わせた小型モデルです。分類、抽出、要約、検索補助、サブエージェントなど、狭い役割を大量に処理する用途で特に検討しやすくなりました。
ただし、Haiku 4.5からの移行はモデルIDの置換だけでは完了しません。トークン計数、思考設定、レスポンス解析、サンプリングパラメーター、assistant prefill、Computer Useなどを確認する必要があります。まず小さな工程で評価し、品質、遅延、総コストを測ったうえで範囲を広げるのが現実的です。
コメント